我有以下词典列表：
>>>L=[
{
"timeline": "2014-10",
"total_prescriptions": 17
},
{
"timeline": "2014-11",
"total_prescriptions": 14
},
{
"timeline": "2014-12",
"total_prescriptions": 8
},
{
"timeline": "2015-1",
"total_prescriptions": 4
},
{
"timeline": "2015-3",
"total_prescriptions": 10
},
{
"timeline": "2015-4",
"total_prescriptions": 3
}
]
我需要做的是填补缺失的月份，在这种情况下，2015年2月总处方为零。我使用Pandas的方法如下：
>>> df = pd.DataFrame(L)
>>> df.index=pd.to_datetime(df.timeline,format='%Y-%m')
>>> df
timeline total_prescriptions
timeline
2014-10-01 2014-10 17
2014-11-01 2014-11 14
2014-12-01 2014-12 8
2015-01-01 2015-1 4
2015-03-01 2015-3 10
2015-04-01 2015-4 3
>>> df = df.resample('MS').fillna(0)
>>> df
total_prescriptions
timeline
2014-10-01 17
2014-11-01 14
2014-12-01 8
2015-01-01 4
2015-02-01 0
2015-03-01 10
2015-04-01 3
到目前为止，一切都很好..只是我想要的..现在我需要将此数据帧转换回字典列表。.这就是我的方法：
>>> response = df.T.to_dict().values()
>>> response
[{'total_prescriptions': 0.0},
{'total_prescriptions': 17.0},
{'total_prescriptions': 10.0},
{'total_prescriptions': 14.0},
{'total_prescriptions': 4.0},
{'total_prescriptions': 8.0},
{'total_prescriptions': 3.0}]
排序丢失，时间轴丢失，total_prescriptions成为int的十进制值。出了什么问题？
最佳答案
首先，由于重新采样，到十进制的转换实际上是float dtype，因为这将为丢失的值引入NaN值，您可以使用astype修复此问题，然后可以恢复“时间轴”列，该列会丢失无法弄清楚如何对str重新采样，因此我们可以将strftime应用于索引：
In [80]:
df = df.resample('MS').fillna(0).astype(np.int32)
df['timeline'] = df.index.to_series().apply(lambda x: dt.datetime.strftime(x, '%Y-%m'))
df
Out[80]:
total_prescriptions timeline
timeline
2014-10-01 17 2014-10
2014-11-01 14 2014-11
2014-12-01 8 2014-12
2015-01-01 4 2015-01
2015-02-01 0 2015-02
2015-03-01 10 2015-03
2015-04-01 3 2015-04
现在我们需要对dict键进行排序，因为调用
values会失去排序顺序，并且我们可以执行列表理解以返回原始格式：In [84]:
d = df.T.to_dict()
[d[key[0]] for key in sorted(d.items())]
Out[84]:
[{'timeline': '2014-10', 'total_prescriptions': 17},
{'timeline': '2014-11', 'total_prescriptions': 14},
{'timeline': '2014-12', 'total_prescriptions': 8},
{'timeline': '2015-01', 'total_prescriptions': 4},
{'timeline': '2015-02', 'total_prescriptions': 0},
{'timeline': '2015-03', 'total_prescriptions': 10},
{'timeline': '2015-04', 'total_prescriptions': 3}]